关于一类广义可加违约概率模型的探讨

被引：4

作者：

王小明

机构：

[1] 上海财经大学统计学系

来源：

系统工程理论与实践 | 2008年 / 06期

关键词：

信用风险度量; 违约概率模型; 广义可加模型;

D O I：

暂无

中图分类号：

F830 [金融、银行理论]; F224 [经济数学方法];

学科分类号：

0701 ; 070104 ;

摘要：

在现代商业银行的信用风险评估中,违约概率度量具有核心地位.传统的违约概率模型解释性强、计算强度小而应用方便,但容易产生模型设定偏差;现代人工智能模型预测精度高,却又存在解释性差、计算强度高和过度拟合等问题.为此,提出一类基于广义可加模型的违约概率模型,并对这类模型的拟合精度和预测效果进行实证比较.研究表明,广义可加违约概率模型不仅具有很高的预测精度,而且具有良好的可解释性和计算效率.另外,还从实际应用的角度出发,对该类模型拟合过程中可能存在的限制和困难进行探讨和分析,以利于对该方法的进一步的理论研究和实际应用.

引用

页码：52 / 58

页数：7

共 4 条

[1] 基于支持向量机的个人信用评估模型及最优参数选择研究
肖文兵
费奇
[J]. 系统工程理论与实践, 2006, (10) : 73 - 79
[2] AMlet, RAMlet, and GAMlet: Automatic Nonlinear Fitting of Additive Models, Robust and Generalized, With Wavelets[J] . Sylvain Sardy,Paul Tseng.Journal of Computational and Graphical Statistics . 2004 (2)
[3] Using neural network rule extraction and decision tables for credit-risk evaluation
Baesens, B
Setiono, R
Mues, C
Vanthienen, J
[J]. MANAGEMENT SCIENCE, 2003, 49 (03) : 312 - 329
[4] Linear Smoothers and Additive Models[J] . Andreas Buja,Trevor Hastie,Robert Tibshirani.The Annals of Statistics . 1989 (2)

← 1 →